SISTEM DETEKSI PENYAKIT TUBERKULOSIS BERBASIS CHEST XRAY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK PADA PLATFORM ANDROID

WAHYUDI, ARDIAN ARIF (2024) SISTEM DETEKSI PENYAKIT TUBERKULOSIS BERBASIS CHEST XRAY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK PADA PLATFORM ANDROID. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000069_fullpdf.pdf Download (4MB)
	Text Teknik Informatika_32602000069_pernyataan_publikasi.pdf Restricted to Registered users only Download (455kB)

Abstract

Tuberkulosis merupakan penyakit yang menginfeksi organ paru bersifat menular yang disebabkan bakteri Mycobacterium tuberculosis. Salah satu metode dalam mendiagnosa penyakit ini adalah menggunakan citra rontgen dada. Namun, proses pembacaan hasil rontgen oleh dokter masih dilakukan secara manual, yaitu dengan membaca langsung menggunakan lampu baca rontgen atau x-ray viewer. Akibat hal tersebut, interpretasi hasil rontgen antara dokter berbeda-beda. Oleh karena itu, dibutuhkan suatu sistem yang dapat mendukung keputusan dokter dalam mengidentifikasi hasil rontgen dada. Penelitian ini menggunakan menggunakan algoritma Convolutional Neural Network yang telah teruji mampu mengklasifikan gambar menggunakan fitur yang dipelajarinya sendiri selama proses konvolusinya. Penelitian ini mengatur jumlah convolution dan pooling layer sebanyak masing-masing 4 lapisan, agar bisa melakukan eksperimen mencari konfigurasi terbaik maka dilakukan perbandingan jumlah kernel/filter dengan jumlah berbeda tiap lapisan dan pada setiap konfigurasinya. Konfigurasi terbaik terdapat pada konfigurasi 1 dengan penggunan kernel/filter 8-64 dengan hasil evaluasi model 99% pada akurasi, presisi, recall dan f1-score. Kata Kunci: Tuberkulosis, Rontgen dada, Convolutional Neural Network, Konfigurasi

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 3 UNISSULA
Date Deposited:	17 May 2024 03:37
Last Modified:	17 May 2024 03:37
URI:	http://repository.unissula.ac.id/id/eprint/34034

Actions (login required)

View Item